计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
12期
3614-3617
,共4页
张新静%徐欣%凌至培%黄永志%王心醉%王守岩
張新靜%徐訢%凌至培%黃永誌%王心醉%王守巖
장신정%서흔%릉지배%황영지%왕심취%왕수암
癫痫发作检测%最大相关和最小冗余准则%极限学习机%支持向量机%反向传播算法
癲癇髮作檢測%最大相關和最小冗餘準則%極限學習機%支持嚮量機%反嚮傳播算法
전간발작검측%최대상관화최소용여준칙%겁한학습궤%지지향량궤%반향전파산법
seizure detection%max-Relevance and Min-Redundancy (mRMR)%Extreme Learning Machine (ELM)%Support Vector Machine (SVM)%Back Propagation (BP) algorithm
癫痫发作检测可以实现脑电分类和病灶定位,对癫痫的临床治疗具有重要意义.针对大数据量、高特征值空间长程脑电的快速和准确分类问题,提出一种基于最大相关和最小冗余准则及极限学习机的癫痫发作检测方法.对脑电信号进行短时傅里叶变换,并选取能量时频分布为特征,利用基于最大相关和最小冗余准则的方法进行特征选择,并使用极限学习机、支持向量机和反向传播算法对癫痫不同状态进行分类和判别.实验结果表明,极限学习机的分类准确率和训练速度两方面性能优于支持向量机和反向传播算法,发作间期和发作期的分类准确率达到98％以上,训练时间仅为0.8s,所提方法能够实时准确地检测癫痫发作.
癲癇髮作檢測可以實現腦電分類和病竈定位,對癲癇的臨床治療具有重要意義.針對大數據量、高特徵值空間長程腦電的快速和準確分類問題,提齣一種基于最大相關和最小冗餘準則及極限學習機的癲癇髮作檢測方法.對腦電信號進行短時傅裏葉變換,併選取能量時頻分佈為特徵,利用基于最大相關和最小冗餘準則的方法進行特徵選擇,併使用極限學習機、支持嚮量機和反嚮傳播算法對癲癇不同狀態進行分類和判彆.實驗結果錶明,極限學習機的分類準確率和訓練速度兩方麵性能優于支持嚮量機和反嚮傳播算法,髮作間期和髮作期的分類準確率達到98％以上,訓練時間僅為0.8s,所提方法能夠實時準確地檢測癲癇髮作.
전간발작검측가이실현뇌전분류화병조정위,대전간적림상치료구유중요의의.침대대수거량、고특정치공간장정뇌전적쾌속화준학분류문제,제출일충기우최대상관화최소용여준칙급겁한학습궤적전간발작검측방법.대뇌전신호진행단시부리협변환,병선취능량시빈분포위특정,이용기우최대상관화최소용여준칙적방법진행특정선택,병사용겁한학습궤、지지향량궤화반향전파산법대전간불동상태진행분류화판별.실험결과표명,겁한학습궤적분류준학솔화훈련속도량방면성능우우지지향량궤화반향전파산법,발작간기화발작기적분류준학솔체도98％이상,훈련시간부위0.8s,소제방법능구실시준학지검측전간발작.
